1. Introdução


A poluição atmosférica é uma séria ameaça à saúde pública, associada à doenças como AVC, doenças cardíacas, câncer de pulmão, doenças respiratórias e à mortes prematuras causadas por essas doenças. Neste contexto, grande atenção é dada ao poluente particulado fino com diâmetro inferior a 2,5 μm (PM2,5), um material contido em atmosferas poluídas, associado à diferentes fontes de emissão e que penetra profundamente nos pulmões, sendo assim importante indicador de risco com grande impacto na saúde da populaçã exposta, sendo as populações vulneráveis (crianças, idosos, gestantes e pessoas com doenças crônicas) as mais afetadas.


No Brasil, a poluição atmosférica afeta gravemente diversas regiões do país, exigindo atenção e ações coordenadas em todo o território nacional. Estima-se que no país, 51 mil mortes por ano estejam ligadas à poluição do ar (Quintanilha, 2021). Embora o estado de São Paulo não seja o único com altos níveis de poluição atmosférica no Brasil, ele se destaca por concentrar várias das cidades historicamente mais poluídas do país. Estudos recentes indicam que municípios paulistas como Osasco, Guarulhos, São Caetano, Rio Claro e Cubatão apresentam níveis de PM2,5 significativamente muito acima dos limites recomendados pela Organização Mundial da Saúde (OMS). Além disso, em setembro de 2024, a cidade de São Paulo liderou o ranking mundial de pior qualidade do ar entre as metrópoles analisadas em tempo real pela plataforma suíça IQAir, superando cidades como Lahore e Pequim, que até então eram tradicionalmente conhecidas como as mais poluídas do mundo.


2. Objetivos


Descrever o comportamento das concentrações de PM2,5 no Estado de São Paulo, no ano de 2023; comparar as medidas destas concentrações obtidas via satélite por duas fontes distintas (CAMS-SISAM e Donkelaar); analisar a significância das diferenças obtidas entre as duas medidas e analisar a concordância entre as duas medidas.


3. Fontes de dados


Fonte 1: CAMS-SISAM. Os dados primários desta fonte contém medidas diárias de PM2,5 em cada município de cada Unidade de Federação do país, no ano de 2023, obtidas via satélite pelo CAMS (Copernicus Atmosphere Monitoring Service), disponibilizado na plataforma SISAM(Sistema de Informações integradas à Saúde Ambiental) e em https://atmosphere.copernicus.eu/charts/packages/cams/. Nesta base, cada medida registrada refere-se à média diária de PM2,5 no respectivo local.


O SISAM é um sistema do Ministério da Saúde do Brasil, utilizado para coletar, armazenar e analisar dados relacionados à saúde ambiental;monitorar riscos e exposições ambientais que afetam a saúde da população;apoiar políticas públicas de vigilância em saúde ambiental. A plataforma SISAM apresenta planilhas com dados meteorológicos e de qualidade do ar estimadas por sensoriamento remoto para todos os estados e municípios brasileiros, por data e hora. Jacobson et al. (2024) relatam que o SISAM tem como fonte o Copernicus Atmosphere Monitoring Service (CAMS), conjunto de dados de reanálise global da composição atmosférica produzido pelo European Centre for Medium-Range Weather Forecasts com o Integrated Forecasting System atualizado. O CAMS combina informações de observações in situ e de satélite com modelos computacionais da atmosfera para gerar uma estimativa, a mais precisa possível, de gases e aerosóis atmosféricos. A validação do CAMS é realizada periodicamente e coordenada pela Royal Dutch Meteorological Organization. Innes et al. (2019) avaliaram o desempenho das reanálises do CAMS comparando versões anteriores, e Wang et al. (2020) validaram o CAMS usando medições de aeronaves em diferentes partes do mundo, incluindo o Brasil.


Fonte 2: Donkelaar. Os dados primários desta fonte contém média, desvio padrão, mínimo e máximo mensais das medidas de PM2,5 em cada município de cada Unidade de Federação do país, no ano de 2023, obtidas via satélite e registradas pelo grupo de Pesquisa de Aaron van Donkelaar, um professor da Washington University in St. Louis, disponibilizados em https://sites.wustl.edu/acag/datasets/surface-pm2-5/#V6.GL.02.03.


4. Metodologia de Análise Estatística


Para ambas as foontes de dados, que continham dados de todos as Unidades da Federação do país, foram filtrados os dados do Estado de São Paulo, que possui Código Identificador de Unidade da Federação igual a 35 e contém 645 municípios. Uma vez que os dados primários da Fonte 1 (dados CAMS-SISAM) eram médias diárias e os dados primários da Fonte 2 (Donkelaar) eram médias mensais, foram calculadas as médias mensais dos dados CAMS-SISAM para que as bases pudessem ser comparadas a partir da mesma medida, ficando asssim disponibilizada para comparação em cada uma das bases, as 12 médias mensais de cada um dos 654 municipios. Foi construída assim uma base de dados com informação do mês, do município, das duas medias mensais pareadas, com n = 12x645 = 7740 observações (12 médias mensais de cada município). Foi construída também uma base com as médias anuais de cada um dos 645 municípios, com informação do município e das duas médias anuais pareadas, com n= 1x645 = 645 observações (1 média anual de cada município). E para comparação temporal de uma média global em cada mês do ano, foi construída uma terceira base de dados com informaçã do mês e da média global dos 645 municípios de cada mês, obtida a partir de cada uma das duas fontes de dados, sendo assim uma base com informacao do mes, e das duas médias globais mensais, com n = 12x 1= 12 observações.


A análise descritiva das três bases de dados foi realizada a partir de gráficos, mapas descritivos, e cálculo de estatísticas descritivas.


Para a análise da significância das diferenças observadas entre as duas medidas a serem comparadas, a normalidade das duas distribuições foi investigada pelo teste de Shapiro-Wilk. A comparação pareada de duas medidas foi realizada por abordagem não paramétrica, através do Teste de Wilcoxon, para bases de tamanho de amostra pequeno (menor que 30) ou quando a hipótese de normalidade não foi confirmada para as distribuições das medidas comparadas. Para bases de tamanho muito grande (maiores que 5400), para os quais o teste de normalidade de Shapiro Wilk não é executado no R, foi considerada normalidade e a comparação pareada foi feita pelo teste paramétrico t-de Student pareaodo.


A análise de correlação entre duas medidas foi feita sob as duas abordagens, paramétrica e não paramétrica, através da cálculo do Coeficiente de Correlação Linear de Pearson e do Coeficiente de Correlação de Ordem de Spearman. A significância dos Coeficientes de Correlação foi verificada pelo Teste t para o Coeficiente de Correlação. A correlação foi considerada forte apenas se seu valor absoluto fosse maior que 0,7 e moderada se seu valor absoluto fosse maior que 0,5 e menor ou igual a 0,7.


A Análise de Concordância entre as duas medidas se baseou no uso de três ferramentas: Estimativa pontual e estimativa intervalar do Coeficiente de Correlação Intraclasse (ICC, do inglês, Intraclass Correlation Coefficient) e análise do Gráfico de Altman-Bland.


O ICC expressa a proporção de variabilidade total que é devida à variabilidade entre as unidades. Neste caso de estar avaliando a concordância entre duas medidas, o ICC pode ser interpretado como uma medida de concordância que mede o grau de afastamento das duas medidas à reta de 45 graus, onde teria concordância perfeita, pois ambas medidas seriam iguais.A classificação da concordância a partir do ICC foi baseada na classificação de Weir (2005) dada por:

0,00 ≤ ICC ≤ 0,20 = concordância pobre,

0,20 < ICC ≤ 0,40 = concordância razoável,

0,40 < ICC ≤ 0,60 = concordância boa,

0,60 < ICC ≤ 0,80 = concordância muito boa,

0,80 < ICC ≤ 1,00 = concordância excelente.


A significância do ICC foi analisada pelo intervalo de confiança do ICC ao nível de 95% de confiança. A concordância foi considerada significativamente boa se o mínimo valor do intervalo de confiança do ICC ao nível de 95% de confiança fosse ao nível de “boa concordância”, ou seja, maior que 0,4 e menor ou igual a 0,6. A concordância foi considerada significativamente muito boa se o mínimo valor do intervalo de confiança do ICC ao nível de 95% de confiança fosse ao nível de “muito boa concordância”, ou seja, maior que 0,6 e menor ou igual a 0,80. A concordância foi considerada significativamente excelente se o mínimo valor do intervalo de confiança do ICC ao nível de 95% de confiança fosse ao nível de “excelente concordância”, ou seja, maior que 0,8 e menor ou igual a 1,0. Considerou-se neste trabalho validação da confiabilidade se a concordância entre elas fosse significativamente boa, ou significativamente muito boa, ou significativamente excelente. Ou seja, o valor mínimo do intervalo de confiança para o ICC deve ser maior que 0,4 para que a concordância entre elas seja considerada significativa e seja validada a confiabilidade de uma medida em relação a outra.


O Gráfico de Altman-Band é um diagrama de dispersão no plano cartesiano XY, onde no eixo Y representa-se a variação D entre as duas medidas comparadas e no eixo X a média entre estas duas medidas. Na análise do Gráfico de Altman-Band, a presença de correlação linear entre estas medidas X e Y é indicativo de vieses ou problemas de calibração de um dos métodos de medida. Os limites de concordância marcados no gráfico de Altman-Bland são dados por: média da variação D mais ou menos 1,96 vezes o desvio padrão da variação D.


Todas as manipulações das bases de dados e análises estatísticas foram realizadas no programa R 4.4.0 e foi adotado nível de significância máximo de 5% para análise dos resultados dos testes de hipóteses.


5. Resultados


5.1. Análise da base de dados contendo 12 médias mensais de cada um dos 645 municípios


Nesta seção é realizada a comparação das 12 médias mensais de cada um dos 645 municípios estimadas pelas medidas do CAMS-SISAM e Donkelaar, logo esta base tem n= 12x645=7740 médias de cada uma das fontes de dados. A Figura 1 exibe os boxplots das distribuições das médias mensais das concentrações de PM2,5 estimadas por sensoriamento remoto pelo CAMS-SISAM e pelo Donkelaar. Para ambas as fontes, os boxplots de todos os meses mostram alta variabilidade entre as médias dos 645 municípios, com presença de muitos pontos atípicos (munícípios com médias de PM2,5 outliers ou inliers, representadas por º nos boxplots).


Somente no mês de Janeiro dos dados observados pelo Donkelaar, há registro de algum município com média mensal da concentração de PM2,5 inferior a 5 μg/m3, que é a concentração máxima recomendada pela OMS. Segundo essa base, a média global mensal da concentração de PM2,5 no ar do Estado de São Paulo no ano de 2023 foi de 14.6 μg/m3, a partir dos dados do CAMS-SISAM, e foi igual a 15.82 μg/m3, a partir dos dados de Donkelaar. Logo, para ambos os métodos de medida, CAMS-SISAM e Donkelaar, a média global mensal da concentração de PM2,5 no ar do Estado de São Paulo em 2023 era muito maior que a média máxima recomendada pela OMS, de 5 μg/m3</sup.


Figura 1: Boxplots das distribuições das médias mensais das concentrações de PM2,5, dados CAMS-SISAM e Donkelaar.São Paulo, 2023.


A Figura 2 mostra o Gráfico de dispersão conjunta das 7740 médias mensais de PM2,5 obtidas a partir dos dados das duas fontes e o gráfico de Altman Bland pode ser visto na Figura 3. O Coeficiente de Correlação Linear de Pearson entre as duas medidas foi igual a 0.38, com um p-valor < 0,001, e o Coeficiente de Correlação de Ordem de Spearman entreas duas medidas foi igual a 0.47, com um p-valor < 0,001, evidenciando que não há forte correlação entre as duas medidas, embora as correlações sejam significativamente distintas de zero, já que apresentaram p-valores menores que 5% no teste t de significância do coeficiente. Devido ao grande tamanho da amostra, as 7740 médias foram comparadas pareadamente pelo teste t-de Student pareado, que resultou em um p-valor < 0,001, mostrando que as diferenças entre as 7740 médias mensais dos municipios obtidas pelos dois métodos são significativas sob o ponto de vista estatístico. O ICC foi igual a 0.28, com IC95% (0.26, 0.3), evidenciando concordância pobre entre as medidas das duas fontes de dados, nesta comparação das 7740 médias, corroborando o resultado do teste de Wilcoxon e o comportamento da nuvem de pontos nos gráficos das Figuras 2 e 3.

Além da não significância do ICC, outra característica que enfraquece a evidência de concordância entre as médias obtidas por CAMS-SISAM e do Donkelaar nesta base de dados, é a presença de correlação entre a média e a diferença das duas medidas comparadas, como pode ser visualizada nítida tendencia linear crescente na formação da nuvem de pontos do gráfico de Altmam Bland exibido na Figura 3. O valor do coeficiente de correlação é igual 0.7, com um p-valor < 0,001; indicando correlação forte e significativa, com uma tendência de que quanto maior a média das duas medidas, maior a diferença. Isso sugere que há viés dependente da magnitude da medição, ou seja, as diferenças entre os métodos não são constantes ao longo do intervalo de valores medidos e os métodos se comportam de forma diferente dependendo da intensidade da variável; ou viés proporcional (um dos métodos superestima ou subestima mais à medida que o valor real aumenta); ou erro sistemático crescente (diferença entre os métodos cresce com a concentração), ou problema de calibragem (um dos métodos está mal calibrado em certas faixas).


Figura 2: Gráfico de dispersão conjunta das 7740 médias mensais de PM2,5 obtidas pelo CAMS-SISAM e pelo Donkelaar, para os 645 municípios. São Paulo, 2023.


Figura 3: Gráfico de Altman Bland avaliando a concordância das 7740 médias mensais de PM2,5 obtidas pelo CAMS-SISAM e pelo Donkelaar, para os 645 municípios . São Paulo, 2023.


5.2. Análise da Base de dados contendo 645 médias anuais, uma média de cada um dos 645 municípios


Nesta seção é realizada a comparação das médias anuais de cada um dos 645 municípios estimadas pelas medidas do CAMS-SISAM e do Donkelaar, logo esta base tem= 1x645=645 médias de cada uma das fontes de dados. A Figura 4 mostra o Gráfico de dispersão conjunta das 645 médias anuais de PM2,5 obtidas pelos dois métodos para os 645 municípios e o gráfico de Altman Bland pode ser visto na Figura 5.

O Coeficiente de Correlação Linear de Pearson entre as duas medidas foi igual a 0.45, com um p-valor < 0,001, e o Coeficiente de Correlação de Ordem de Spearman entre as duas medidas foi igual a 0.25, com um p-valor < 0,001, evidenciando que não há forte correlação entre as duas medidas, embora as correlações sejam significativamente distintas de zero, pois apresentaram p-valores menores que 5% no teste t de significância do coeficiente.

O teste de Shapiro-Wilk, avaliando a normalidade da distribuição, resultou em um p-valor < 0,001 para a distribuição das 645 médias anuais obtidas pelo CAM-SISAM e em um p-valor < 0,001 para a distribuição das 645 médias anuais obtidas pelo Donkelaar. Uma vez que não foi verificada a normalidade das duas distribuições, as 645 médias foram comparadas pareadamente pelo teste de Wilcoxon que resultou num p-valor < 0,001, mostrando que as diferenças entre as 645 médias anuais dos municípios obtidas pelos dois métodos são significaivas sob o ponto de vista estatístico. O ICC foi gual a 0.2, com IC95% (0.12, 0.27), evidenciando concordância pobre entre as medidas das duas fontes de dados nesta comparação das 645 médias, corroborando o resultado do teste de Wilcoxon e o comportamento da nuvem de pontos nos gráficos das Figuras 5 e 6.

Além da não significância do ICC, outra característica que enfraquece a evidência de concordância entre as médias obtidas por CAMS-SISAM e do Donkelaar nesta base de dados, é a presença de correlação entre a média e a diferença das duas medidas comparadas, como pode ser visualizada nítida tendencia linear crescente na formação da nuvem de pontos do gráfico de Altmam Bland exibido na Figura 5. O valor do coeficiente de correlação é igual 0.92, com um p-valor < 0,001; indicando correlação forte e significativa, com uma tendência de que quanto maior a média das duas medidas, maior a diferença. Isso sugere que há viés dependente da magnitude da medição, ou seja, as diferenças entre os métodos não são constantes ao longo do intervalo de valores medidos e os métodos se comportam de forma diferente dependendo da intensidade da variável; ou viés proporcional (um dos métodos superestima ou subestima mais à medida que o valor real aumenta); ou erro sistemático crescente (diferença entre os métodos cresce com a concentração), ou problema de calibragem (um dos métodos está mal calibrado em certas faixas).


Figura 4: Gráfico de dispersão conjunta das 645 médias anuais de PM2,5 obtidas pelo CAMS-SISAM e pelo Donkelaar, para os 645 municípios. São Paulo, 2023.


Figura 5: Gráfico de Altman Bland avaliando a concordância das 645 médias anuais de PM2,5 obtidas pelo CAMS-SISAM e pelo Donkelaar, para os 645 municípios . São Paulo, 2023.


A Figura 6 exibe o mapa coroplético estático das médias anuais das medidas de concentração de PM2.5 para cada município do estado de São Paulo, calculadas a partir dos dados do CAMS-SISAM. A distribuição da intensidade das cores que é associada ao valor da média de concentração de PM2.5, deixam evidente o quanto é maior a concentração do poluente na capital São Paulo e nos municípios do entorno da capital.


Figura 6: Mapa coroplético estático das médias anuais das medidas de concentração de PM2.5 para cada município do estado de São Paulo, obtidas pelo CAMS-SISAM

A Figura 7 exibe o mapa coroplético estático das médias anuais das medidas de concentração de PM2.5 para cada município do estado de São Paulo, calculadas a partir dos dados do Donkelaar. A distribuição da intensidade das cores, que é associada ao valor da média de concentração de PM2.5, mostram que, segundo as medidas de Donkelaar, as médias não variam tanto entre os municípios do Estado de São Paulo, e nos municipios que apresentavam as cores mais intensas na Figura 9, as cores são mais fracas segundo as medidas de Donkelaar, indicando menores médias do que as médias obtidas pelo CAMS-SISAM.


Figura 7: Mapa coroplético estático das médias anuais das medidas de concentração de PM2.5 para cada município do estado de São Paulo, obtidas pelo Donkelaar


A Figura 8 exibe um mapa interativo das médias anuais das medidas de concentração de PM2.5 para cada município do estado de São Paulo. Ao posicionar o cursor sobre a area de um município do Estado de São Paulo, uma pop-up é ativada com informações do nome do município e as duas médias anuais de concentração de PM2.5 calculadas a partir dos dados do CAMS-SISAM e do Donkelaar para este município. A distribuição da intensidade das cores neste mapa interativo usou como referência as médias do CAMS-SISAM.


5.3. Análise da base de dados contendo 12 médias mensais globais do Estado, uma média de cada mês de 2023


Nesta seção é realizada a comparação das 12 médias mensais globais do estado de São Paulo todo, estimadas pelas medidas do CAMS-SISAM e Donkelaar, logo esta base tem somente n= 12 médias de cada uma das fontes de dados. A Figura 8 mostra a comparação da evolução das médias globais mensais das concentrações de PM2,5 obtidas pelo CAMS-SISAM e pelo Donkelaar no Estado de São Paulo em 2023. As duas séries de médias exibiram padrões de tendência, de crescimento e decrescimento, semelhantes ao longo do tempo. As médias mensais obtidas pelas medidas do Donkelaar foram maiores que as médias mensais obtidas pelas medidas do CAMS-SISAM nos meses de de janeiro a março, e nos meses de outubro a dezembro de 2023; as médias mensais obtidas pelas medidas do Donkelaar foram menores qque as médias mensais obtidas pelas medidas do CAMS-SISAM nos meses de maio a agosto, e praticamente as médias obtidas pelos dois satélites coincidiram nos meses de abril e setembro de 2023.


A média das 12 médias mensais obtidas pelas medidas do CAMS-SISAM foi igual a 14.6 μg/m3 e a média das 12 médias mensais obtidas pelas medidas dde Donkelaar foi igual a 15.82 μg/m3. Assim, a média global da diferença entre 12 as médias mensais obtidas pelos dois métodos foi de 1.22 μg/m3. As 12 médias mensais foram comparadas pareadamente por abordagem não paramétrica pelo Teste de Wilcoxon, devido ao pequeno tamanho amostral (n=12), e o p-valor resultante foi igual a 0.1099. Infere-se de tal resultado que a diferença observada entre as médias globais mensais obtidas pelos dois métodos não representa uma diferença significativa sob o ponto de vista estatístico.

Figura 8: Evolução das médias mensais de PM2,5 obtidas pelo CAMS-SISAM e pelo Donkelaar. São Paulo, 2023.

A Figura 9 mostra o Gráfico de dispersão conjunta das 12 médias globais mensais de PM2,5 no Estado de São Paulo obtidas pelos dois métodos, o gráfico de Altman Bland pode ser visto na Figura 10. O Coeficiente de Correlação Linear de Pearson entre as duas medidas foi igual a 0.64, com p-valor igual a 0.026, e o O Coeficiente de Correlação de Ordem de Spearman entreas duas medidas foi igual a 0.76, com p-valor igual a 0.007, evidenciando que há moderada e significativa correlação linear entre as duas medidas e há forte e significativa correlação de ordem entre as duas medidas. A forte correlação de ordem infere sobre boa correlação e concordância do sentido/tendência de crescimento/decrescimento das duas séries. O ICC foi igual a 0.64, com IC95% (0.13, 0.88), evidenciando concordância muito boa entre as 12 médias obtidas das medidas das duas fontes de dados, corroborando o comportamento da nuvem de pontos nos gráficos das Figuras 7 e 8. Entretanto, vale salientar que a concordância não é significativamente muito boa, nem sequer significativamente boa, uma vez que o limite inferior do IC95% para o ICC é menor que 0,20. O intervalo de confiança amplo do ICC, possivelmente é devido ao pequeno tamanho da amostra usada nesta comparação, somente 12 observações, que infla a medida do erro padrão da estatística ICC.

Não há coorrelação forte e significativa entre a média e a diferença das duas medidas comparadas, o coeficiente de correlação linear de Pearson para a disposição ds pontos do vrgáfico de Altman Bland da Figura 10 é igual a 0.03, com p-valor igual a 0.935. Infere-se que não há viés dependente da magnitude da medição, ou viés proporcional (um dos métodos superestima ou subestima mais à medida que o valor real aumenta); ou erro sistemático crescente (diferença entre os métodos cresce com a concentração), ou problema de calibragem (um dos método está mal calibrado em certas faixas) apontando a favoor da evidência de concordancia entre as duas fontes de dados nessa base das médias mensais globais

Figura 9: Gráfico de dispersão conjunta das 12 médias mensais globais de PM2,5 obtidas ppelo CAMS-SISAM e pelo Donkelaar, para o Estado de São Paulo . São Paulo, 2023.

Figura 10: Gráfico de Altman Bland avaliando a concordância das 12 médias mensais globais de PM2,5 pelo CAMS-SISAM e pelo Donkelaar para o Estado de São Paulo . São Paulo, 2023.


6. Conclusão

Ambas as fontes de dados acusam quão grave estava a poluição do ar no Estado de São Paulo no ano de 2023, com médias mensais globais, e médias anuais de cada município muito acima do nível máximo preconizado pela OMS. Entretanto a concordância entre as médias obtidas a partir das dua fontes de dados, e a não significância das diferenças entre as médias obtidas a partir das dua fontes de dados só foi atestada na comparação das 12 médias mensais globais. Para um estudo futuro, recomenda-se comparar ambas as medidas obtidas com as medidas de monitores fixos.


7. Referências Bibliográficas

Inness A, Ades M, Agustí-Panareda A, Barré J, Benedictow A, Blechschmidt AM, et al. The CAMS reanalysis of atmospheric composition. Atmos Chem Phys 2019; 19(6): 3515-56. https:// doi.org/10.5194/acp-19-3515-2019

Jacobson LSV, Hacon SS, Schumacher V, Santos CPC, Vianna NA. Desempenho dos dados de material particulado fino sobre a qualidade do ar em estudo epidemiológico em Salvador, Brasil. Rev Bras Epidemiol. 2024; 27: e240068. https://doi.org/10.1590/1980-549720240068.2

Quintanilha WFL, Maia ML, Bertoncini BV, Ribeio JP, Cassiano DR, Sousa FW, et al. Evaluation of atmospheric NO2 levels in public transport corridors. Transportes 2021; 29(4): 1-16.

Wang Y, Ma YF, Eskes H, Inness A, Flemming J, Brasseur GP. Evaluation of the CAMS global atmospheric trace gas reanalysis 2003–2016 using aircraft campaign observations. Atmos Chem Phys 2020; 20(7): 4493-521. https://doi. org/10.5194/acp-20-4493-2020

WEIR, J.P. (2005) Quantifying test-retest reliability using the intraclass correlation coefficient and the SEM. J StrengthCond Res. 19(1):231-40.